A MICHAELIS MENTEN-KINETIKA DETERMINISZTIKUS ÉS SZTOCHASZTIKUS MODELLJEI

Átírás

1 Alkalmazott Matematikai Lapok 33 (016), A MICHAELIS MENTEN-KINETIKA DETERMINISZTIKUS ÉS SZTOCHASZTIKUS MODELLJEI LENTE GÁBOR Tóth János 70 születésnapja tiszteletére Ez a rövid összefoglaló közlemény a kémiai reakciókra enzimek által gyakorolt gyorsító hatás matematikai modelljeit mutatja be Az erre a célra legelterjeebben használt Michaelis Menten-kinetika értelmezésében az enzim és szubsztrátja közötti megfordítható adduktumképződést követően egy irreverzibilis, termékképződéshez vezető reakció szerepel A kémiai séma több különböző matematikai modellt generál A determinisztikus megközelítésben a négy részt vevő anyag koncentrációjának időbeli változását közönséges, nemlineáris differenciálegyenlet-rendszerrel írjuk le A cikk ismerteti ennek az analitikus megoldására tett kísérleteket, illetve széles körben használt, zárt formájú közelítő megoldásait A sztochasztikus megközelítés nagy számú, de lineáris közönséges differenciálegyenletet használ Ennek analitikus megoldása viszonylag könnyen megadható arra az esetre, amikor csak egyetlen enzimmolekula van jelen a rendszerben Az ennél általánosabb esetekre közelítő megoldási módszerek ismeretesek 1 Bevezetés Az enzimek rendkívül fontos szerepet töltenek be biológiai rendszerekben Hatásuk révén a szervezetben nélkülözhetetlen kémiai reakciók gyorsulnak fel, amelyek másként csak mérhetetlenül lassan mennének végbe Az is előfordul, hogy egy enzim két reakció csatolása révén olyan folyamat megvalósulását teszi lehetővé, amelyek ezen csatolás nélkül a termodinamika törvényei alapján tiltottak lennének Az enzimek folyamatokat gyorsító hatásának kvantitatív leírása már egy évszázada alapvető kérdésnek számít a biokémiában Leonor Michaelis és Maud Menten 1913-ban publikáltak egy azóta klasszikusnak számító cikket [4], amelynek lényege egy, az enzimek kinetikai hatását viszonylag nagy általánossággal leíró egyenlet felfedezése volt Egy bő évtizeddel később George Edward Briggs és John

2 160 LENTE GÁBOR Burdon Sanderson Haldane az egyenletet molekuláris alapokon értelmezték, vagyis kémiai magyarázatot aak rá részecskék szabályszerű kölcsönhatását feltételezve [5] Érdekes módon ezen tény ellenére manapság a tankönyvek és a színvonalas kémiai szakirodalom gyakran Michaelis Menten-mechanizmusként említi a magyarázatot is Ebben a magyarázatban négy anyagfajta szerepel: az enzim eredeti formája (E), az átalakítandó molekula vagy szubsztrát (S), az enzim szubsztráttal kölcsönhatásban lévő formája (ES) és a termékmolekula (P) A sémában összesen három reakció szerepel a következők szerint: E + S k1 ES ES k 1 E + S (1) ES k E + P Ez a jelölésmód a kémia reakciókat nyilakkal reprezentálja, a kiindulási anyagok a bal oldalon, a termékek pedig a jobb oldalon találhatók Egy kis gyakorlattal egy ilyen sémából az általa generált matematikai modellek könnyedén felírhatók Az itt bemutatott sémában három folyamat szerepel Az első az enzim és a szubsztrát közötti asszociáció, amelynek terméke az ES-sel jelölt enzim-szubsztrát adduktum A második ennek a lépesnek a pontos megfordítása, vagyis ES disszociációja az őt alkotó részecskékre A harmadik lépés a lényegi termékképződés: ebben a folyamatban keletkezik a végtermék és visszamarad az enzim eredeti alakja, amely aztán új szubsztrátot köthet meg Vegyük észre, hogy az enzim két formájára nézve a teljes séma zárt, igen kevés enzim is nagy mennyiségű termék keletkezését okozhatja Ezért kémiai értelemben a folyamatban az enzim a katalizátor szerepét játssza Ez a cikk a Michaelis Menten-kinetika két típusú matematikai modelljeit mutatja be: a reakciókinetikában szokásos determinisztikus és a jóval ritkább, de valójában ebben az esetben szintén nagyon fontos sztochasztikus megközelítésűeket Determinisztikus megközelítés A reakciókinetika hagyományos, determinisztikus megközelítésében az egyedi anyagfajták koncentrációját írják le az idő függvényében [1, 18] A koncentrációt az idő folytonos függvényének tekintik, ezeket közönséges differenciálegyenletekből lehet meghatározni Az (1) séma által generált differenciálegyenlet-rendszer alakja a következő:

3 MICHAELIS MENTEN-KINETIKA 161 d[s] = k 1 [E][S] + k 1 [ES] d[e] = k 1 [E][S] + k 1 [ES] + k [ES] d[es] = k 1 [E][S] k 1 [ES] k [ES] d[p] = k [ES] () Ezt az egyenletet sebességi egyenletnek hívják A reakciókinetikában a deriváltak jelölésére a d/ formalizmus használata szinte kizárólagos, talán azért, mert a független változók cseréje gyakran hasznos eljárás az egyenlet megoldása során Az ismeretlen függvények ([E], [S], [ES] és [P]) nem egyszerűen nemnegatív valós számok, hanem fizikai mennyiségek, amelyeknek dimenziójuk van A koncentráció esetében a fizikai dimenzió az anyagmennyiség és a térfogat hányadosa Két fizikai mennyiség összeadását és kivonását csak akkor lehet értelmezni, ha dimenziójuk azonos A dimenziók egyezésének analízise a fizikai mennyiségeket tartalmazó egyenletek helytállóságának fontos tesztje A () egyenletrendszerből első ránézésre nem magától értetődő, hogy hét paramétere van A sebességi állandók (k 1, k 1, k ) nyilvánvalóan paraméterek, ezeket maga az egyenlet is feltünteti Ezekkel kapcsolatban két megjegyzést is érdemes tenni Az első az, hogy k 1 és k 1 egymástól függetlenek annak ellenére, hogy olyan kémiai reakciók sebességi állandói, amelyek egymás pontos megfordításai A másik észrevétel az, hogy ezen paraméterek dimenziója nem azonos: k 1 -é és k -é az idő dimenziójának reciproka (elsőrendű sebességi állandó), míg k 1 -é a koncentráció és az idő szorzatának reciproka (másodrendű sebességi állandó) Maga a feladat lényegében kezdetiérték-probléma, így a négy kezdeti koncentráció ([S] 0, [E] 0, [ES] 0 és [P] 0 ) is a paraméterek közé tartozik Az enzimkatalízis tipikus eseteiben [ES] 0 = [P] 0 = 0, [S] 0 [E] 0, k 1 k és k 1 [S] 0 k is teljesülnek; ezeket a tulajdonságokat a gyakorlatban a megoldások keresésénél időnként fel is használják Itt kell még megemlíteni, hogy a () egyenletrendszer a sebességi egyenletek abba a nagy jelentőségű csoportjába tartozik, amelyeket tömeghatás típusúnak neveznek Ezek lényege, hogy minden előforduló reakció sebessége egyenesen arányos a benne szereplő anyagok koncentrációjával, s az arányossági tényező a sebességi állandó, ez független minden koncentrációtól Vegyük észre, hogy a () egyenletrendszerben a tagok két független lineáris kombinációja is nullát ad:

4 16 LENTE GÁBOR d[s] + d[es] d[e] + d[p] + d[es] Ezen egyenletek integrális alakjában a tényleges koncentrációk szerepelnek a deriváltak helyett, s szerepeltethetők bennük a kiindulási koncentrációk Ezt az alakot mérlegegyenleteknek szokás nevezni, mert a kémiai tömegmaradás törvényével vannak szoros kapcsolatban, s abból a differenciálegyenletek ismerete nélkül, pusztán a különböző részecskék összetételéből levezethetők: = 0 = 0 [S] + [ES] + [P] = [S] 0 + [ES] 0 + [P] 0 = Ω [E] + [ES] = [E] 0 + [ES] 0 = Φ (3) A mérlegegyenletek általában lényegesen egyszerűsítik a sebességi egyenlet megoldását, mert segítségükkel néhány koncentráció lineáris kapcsolatba hozható a többivel, így a differenciálegyenlet-rendszerben szereplő egyenletek száma csökkenthető Szintén a megoldás könnyítését szolgáló eljárás a dimenziómentes alakra való transzformálás Ennek lényege az, hogy a paraméterekkel való szorzással vagy osztással olyan új független és függő változókat hozunk létre, amelyeknek már nincs fizikai dimenziója Ezt az eljárást skálázásnak is lehet nevezni [18], mert lényegében a koncentrációnak, illetve az időnek keresünk olyan skálát, amely a paraméterértékekkel van összefüggésben A () egyenletrendszer dimenziómentesítéséhez célszerű új mennyiségek a következők: f = [ES] Ω, g = [P] Ω, τ = tk, α = k 1Ω k, β = k 1 k, ϕ = Φ Ω Ezekkel a dimenziómentes változókkal és állandókkal a mérlegegyenleteket is felhasználva a () egyenletrendszer a következő alakra hozható: df = α(ϕ f)(1 f g) (β + 1)f dτ dg dτ = f Így az eredeti sebességi egyenletet lényegi információvesztés nélkül olyan alakra transzformáltuk, amelyben az ismeretlen függő változók száma kettőre (f és g), a paraméterek száma pedig ötre csökkent (α, β, ϕ, valamint f és g kezdeti értéke) Valójában a két csökkenés független egymástól: az egyenletek száma a mérlegegyenletek révén csökkent (ezekből kettő van), a paraméterek száma pedig a skálázás miatt (idő- és koncentrációskálát vezettünk be) A dimenziómentes koncentrációfüggvényekre a skálázás miatt mindig teljesül, hogy 0 f ϕ és 0 g 1 (4)

5 MICHAELIS MENTEN-KINETIKA 163 Itt kell megjegyezni, hogy a szakirodalomban nagyon ritkán használják éppen ezt az alakot, különösen a g függvény definíciója és használata nem szokásos, mert a () egyenletrendszer jobb oldalain a [P] koncentráció sehol nem jelenik meg Ennek ellenére a jelen szerző szerint ez nagyon is logikus választás, két okból is: egyrészt a kísérleti technikák túlnyomó többsége általában éppen a P anyag koncentrációváltozására érzékeny, másrészt erről a függvényről eleve biztos, hogy monoton növekvő, s ez a tény segítheti a megoldási eljárásokat A (4) differenciálegyenletnek jelenleg nem ismert a teljes megoldása, 1 noha a paraméterek ismert értékeire numerikus módszerekkel rutinszerűen, kellő pontossággal megoldható Mivel g monoton függvény, az idő kiküszöbölésével az f és g függvények közötti kapcsolat is kereshető a következő differenciálegyenlettel: df dg = α (ϕ f)(1 f g) (β + 1) (5) f Ezen differenciálegyenlet megoldása sem ismert, viszont lehetővé teszi a megoldások kvalitatív, a két változó fázisterében történő tanulmányozását [6] Egy modell kvalitatív ismeretéhez általában hozzátartozik a szélsőérték-kialakulás lehetőségeinek tisztázása is Az f függvény τ szerinti második deriváltja a következőképp számolható ki: d f dτ = df (αf + αg αϕ α β 1) α(ϕ f)f dτ Az f és ϕ f a korábban megállapítottak szerint nem lehetnek negatívak Így ha f-nek τ szerinti első deriváltja nulla, akkor ugyanazon a helyen a második deriváltja nem lehet pozitív Ez azt bizonyítja, hogy ha f-nek van szélsőértéke, akkor az maximum, amiből azonnal következik, hogy f-nek nem lehet egynél több szélsőértéke A többi függvény szélsőértékeiről a következő megállapításokat lehet tenni: [P] növekvő függvénye az időnek, [ES] időfüggésében legfeljebb egy maximum lehet, [E] időfüggésében legfeljebb egy minimum lehet, [S] időfüggésében pedig legfeljebb egy maximum lehet (a tipikus [ES] 0 = 0 esetben [S] szigorúan monoton csökkenő függvény) Gyakorlati szempontból hasznos a (4) egyenlet közelítő megoldásait is keresni, amelyeknek az a jellemzője, hogy különbségük a tényleges megoldásnál általában kisebb, mint a rendszer tanulmányozásához használt kísérleti módszerek jellemző hibája Az első közelítő összefüggést az teszi lehetővé, hogy a tipikus kezdeti feltételek között szerepel az S és E anyagok kezdeti koncentrációja közötti nagy különbség, amely biztosítja, hogy 1 f mindig teljesül Így a (4) és (5) egyenletekben is szereplő (1 f g) tagban az összeadandók száma csökkenthető: (1 f g) (1 g) 1 Ha a szöveg azt írja, hogy egy egyenlet megoldása nem ismert, ez nem pusztán annyit jelent, hogy a szerző nem találta leírt megoldásnak nyomát a szakirodalomban, hanem egyúttal azt is, hogy sem a saját erőfeszítések, sem a Mathematica program nem találtak ilyet

6 164 LENTE GÁBOR A (4) és (5) egyenletekből ezen egyszerűsítés után létrejövő differenciálegyenleteknek sincs ismert megoldása A következő egyszerűsítési lehetőséget steady-state közelítésnek (vagy Bodenstein-elvnek) nevezik, s alkalmazási lehetőségeinek kiterje szakirodalma van [4, 1, 18, 1, 3, 35] A módszer lényege, hogy a paraméterek bizonyos megfelelő tartományában a (4) egyenletben az első derivált értékét nullának tekintjük: 0 = α(ϕ f)(1 g) (β + 1)f Így a két függő változót közvetlen kapcsolatba hoztuk egymással, ebben az esetben f kifejezhető úgy, hogy csak g függvénye legyen: f = αϕ(1 g) α + β + 1 αg Ezt nevezzük az f függvény steady-state közelítésének, ezt a tényt néha az f ss jelölés használatával emelik ki Ennek segítségével a (4) differenciálegyenletrendszer egyetlen, szeparálható, közönséges differenciálegyenletre vezethető vissza: dg dτ = αϕ(1 g) α + β + 1 αg (6) Ez az egyenlet ekvivalens a klasszikus Michaelis Menten-egyenlettel [4], amelynek legelterjeebb, dimenziómentesítést nem tartalmazó felírási formája a következő: d[p] = k [E] 0 [S] k 1+k k 1 + [S] (7) Szokásos még bevezetni a v max maximális reakciósebesség és K M Michaelisállandó nevű paramétereket a következők szerint: v max = k [E] 0, K M = k 1 + k k 1 (8) Mindez azért célszerű eljárás, mert a paraméterek közül a kezdeti koncentrációkat a kísérletező lényegében szabadon állíthatja be (tehát értéküket ismeri), a maradék három sebességi állandót viszont a kísérleti adatokból kell meghatározni Olyan esetekben, amikor a steady-state közelítés használható, nincs remény mind a három sebességi állandó külön meghatározására, csak a (8) egyenletben bemutatott két paraméterkombináció férhető hozzá A (6) egyenlet analitikus megoldása viszonylag egyszerűen megadható zárt alakban a Lambert W -függvény felhasználásával [9]: g = 1 β + 1 α W ( α(1 g0 ) β + 1 eα(1 g0 ϕτ)/(β+1) )

7 MICHAELIS MENTEN-KINETIKA 165 Itt a g 0 jelölés a g függvény kezdeti (vagyis τ = 0 helyen felvett) értékét jelenti Ennek az egyenletnek az S részecske koncentrációjára írt alakja a következő [18]: ( ) [S]0 [S] = K M W e ([S]0 vmaxt)/km (9) K M A () sebességi egyenlet megoldásának Taylor-sorát viszonylag könnyű előállítani, mert egymást követő deriválásokkal a magasabb rendű differenciálhányadosok t = 0-ban felvett értékei elérhetők [18] az összefüggés fokozatos deriválásával Az ilyen sorba fejtés különösen egyszerű, ha a kezdeti koncentrációk némelyike nulla, s ez éppen a tipikus helyzet a Michaelis Menten-kinetika esetében Így például [ES] Taylor-sorának első néhány tagja a tipikus [ES] 0 = [P] 0 = 0 kezdeti feltételek mellett a következőképpen adható meg: [ES] = k 1 [E] 0 [S] 0 t k 1 [E] 0[S] 0 (k 1 [E] 0 + k 1 [S] 0 + k 1 + k )t + + k 1 6 [E] 0[S] 0 (k 1[E] 0 [S] 0 + (k 1 [E] 0 + k 1 [S] 0 + k 1 + k ) )t 3 + A P anyag koncentrációjára vonatkozó sorfejtésben az elsőfokú tag nulla: [P] = k 1k [E] 0[S] 0 t k 1k 6 [E] 0[S] 0 (k 1 [E] 0 + k 1 [S] 0 + k 1 + k )t 3 + Így bizonyos esetekben, különösen kicsi reakcióidőknél, a Taylor-sorok első néhány tagjának polinomként való használata is a megoldás elfogadható közelítését adhatja a gyakorlat számára 3 Sztochasztikus megközelítés Ez a közlemény több lehetőség közül választva a folytonos időt és diszkrét állapotokat felhasználó sztochasztikus megközelítési módot használja, mert ez áll legközelebb a széles körben elfogadott részecskealapú kémiai anyagszemlélethez Ennek matematikáját Érdi Péter és Tóth János [1], majd később Érdi Péter és a jelen szerző [13] könyvei nagy részletességgel ismertették Meg kell említeni, hogy a témakörnek elsősorban Tóth János és Érdi Péter munkájának köszönhetően jelentős magyar nyelvű eredeti szakirodalma is van [10, 11, 7, 3, 33, 34, 16] A szokásos, determinisztikus kinetikai megközelítésben az egyes részecskék koncentrációját adjuk meg az idő függvényeként A koncentrációkat folytonosnak feltételezzük, noha az atomelméletből világos, hogy ez az anyag részecsketermészete miatt nem kifogástalan leírásmód [0] Ennek ellenére a folytonos közelítés a problémák nagy részére mégis megfelel, mert a kémia többnyire olyan nagy

8 166 LENTE GÁBOR részecskeszámokkal dolgozik, amelyeknél az ebből a feltételezésből származó eltérések sokkal kisebbek, mint a kísérleti módszerekben rejlő, elkerülhetetlen hibák A CDS-megközelítés a koncentrációk helyett állapotokról nyilatkozik, amelyeket az egyes molekulaszámok megadásával azonosítunk A következőkben s a szubsztrát (S), e az enzim (E), es az enzim-szubsztrát adduktum (ES), p pedig a termék (P) molekuláinak számát jelenti majd Ezen a ponton feltétlenül ki kell emelni, hogy s, e, es és p csupán természetes számok és nem függvények Az egyszerűség kedvéért a további gondolatmeneteket azokra a már említett tipikus kezdeti feltételekre írjuk fel, amikor kezdetben sem ES, sem P nincs jelen (es 0 = 0 és p 0 = 0) Így a (3)-ban megadott determinisztikus mérlegegyenlettel analóg sztochasztikus összefüggések a következők: es = e 0 e, p = s 0 s e 0 + e (10) A CDS-megközelítésben a mérlegegyenletek az állapottér méretét korlátozzák A lehetséges állapotok száma (M), a (10) diofantoszi egyenletrendszer megoldásainak száma Elemi kombinatorikai gondolatmenettel M értékére a következő képlet vezethető le [7]: ( M = s 0 e ) (e 0 + 1) A képlet a s 0 e 0 esetben használható, ez a tipikus kezdeti feltételeknél teljesül Ha s 0 < e 0, akkor egy teljesen analóg képletet lehet megadni s 0 és e 0 felcserélésével A sztochasztikus kinetikában a determinisztikus sebességi egyenlet szerepét az alapegyenlet (vagy vezéregyenlet) veszi át Vegyük észre, hogy egy állapot azonosításához a (10) mérlegegyenletek miatt elegendő az s és e molekulaszámokat megadni, ha az s 0 és e 0 paraméterek értéke ismert Így egy adott állapot valószínűségét megadó időfüggvényt jelölhetjük P e,s -vel Az alapegyenlet alakja a Michaelis Menten-kinetika esetében a következőképpen adható meg [1,, 3, 7, 8, 9, 14, 15, 17, 19, 3, 5, 6, 8, 30, 31, 36, 37]: dp e,s = [κ 1 es + (κ 1 + κ )(e 0 e)] P e,s + + κ 1 (e + 1)(s + 1)P e+1,s+1 + κ 1 (e 0 e + 1)P e 1,s 1 + (11) + κ (e 0 e + 1)P e 1,s Az egyenletben szereplő sztochasztikus sebességparaméterek a determinisztikusakból a következő módon határozhatók meg: κ 1 = k 1 N A /V, κ 1 = k 1, κ = k A (11) differenciálegyenlet-rendszer tömören mátrixformalizmussal is felírható Ehhez először egy χ(e, s) rendezőfüggvényre van szükség, amely minden állapothoz egy egyedi pozitív egész számot, vagyis sorszámot rendel kihagyások nélkül Ennek egy lehetséges alakja:

9 MICHAELIS MENTEN-KINETIKA 167 (s 0 s e 0 + e + 1)(e 0 + 1) e, ha e s χ(e, s) = (s 0 s e 0 + e + 1)(e 0 + 1) (e s 1)(e s) e, ha e > s Így a (11) differenciálegyenlet-rendszerben szereplő tagok sorba rendezhetők egyetlen P vektor elemeiként, s az alapegyenlet ezzel a következő formába írható át: dp = ΘP (1) A (1) képlet az alapegyenlet igen tömör felírásmódja, a benne szereplő Θ mátrix elemeit átmeneti valószínűségeknek is szokás nevezni Mivel az egyenlet lineáris, a megoldását is fel lehet írni a mátrixokon értelmezett exponenciális függvény használatával a következő alakban: P = exp(θt)p 0 Ezen megoldás használata a jelenleg szokásos számítástechnikai hátérrel M néhány ezret nem meghaladó értékeire megvalósítható, mi több, numerikus számításokban egyenesen kívánatos is Vegyük észre, hogy a CDS-megközelítésű sztochasztikus alapegyenlet mindig lineáris differenciálegyenlet-rendszer, tehát elvileg akár analitikusan is megoldható, s ilyen szempontból kedvezőbb sajátságú a determinisztikus kinetika gyakran nem lineáris differenciálegyenlet-rendszereinél Az állapotok és így az egyenletek száma azonban nagyon nagy, a CDS-modellekben ez a nehézségek fő forrása Ha ez enzimmolekulák kezdeti száma 1 (e 0 = 1), az alapegyenletet Arányi és Tóth által publikált módszerével [1], generátorfüggvények használatával meg lehet oldani A generátorfüggvény alakja a következő: G e (z, t) = s 0 1+e s=0 z s P e,s (t) A képletben z segédváltozó, értéke komplex szám is lehet Az alapegyenletet a generátorfüggvénnyel a következő parciális differenciálegyenletbe lehet transzformálni: G e (z, t) t = κ 1 (e + 1) G e+1(z, t) κ 1 ez G e(z, t) z z (κ 1 + κ )(1 e)g e (z, t) + (κ 1 + κ )z( e)g e 1 (z, t) (13) Ezzel a módszerrel a (11) képletben bemutatott s (ez M értéke akkor, ha e 0 = 1) közönséges differenciálegyenletet két parciális differenciálegyenletté alakítottuk, hiszen e csak a 0 és 1 értékeket veheti fel A (13) egyenletrendszer megoldása viszonylag könnyen megtalálható [1]:

10 168 LENTE GÁBOR G 0 (z, t) = Γe κ 1(z 1)/κ1 e κt + Γ κ 1 + κ e (κ1+κ)t + κ 1 z + κ [ ] κ (κ + λ (n) qn i )z + e λ(n) i t i=1 n=0 i=1 n=0 Γ (n) i Γ (n) i λ (n) i G 1 (z, t) = Γ ( 1) Γe κ 1(z 1)/κ1 e κt Γe (κ1+κ)t [ ] κ (κ + λ (n) qn+1 λ (n) i i )z e λ(n) i t (14) A q n mennyiség definíciója a következő: q n = λ(n) i λ (n) i + (κ 1 + κ 1 + κ )λ (n) i + κ 1 κ κ 1 (κ + λ (n) i ) A λ i állandók értékeit egy következő másodfokú egyenlet gyökeiként lehet kiszámolni, s alakjuk a következő: λ (n) 1 = κ 1(n + 1) κ 1 κ λ (n) 1 = κ 1(n + 1) κ 1 κ + [κ 1 (n + 1) + κ 1 + κ ] 4κ 1 κ (n + 1) [κ 1 (n + 1) + κ 1 + κ ] 4κ 1 κ (n + 1) Érdekes (de persze nem véletlen) egybeesés, hogy ezek a λ i állandók éppen a (1) egyenletben szereplő Θ mátrix sajátértékei A (14) egyenletben szintén szereplő Γ állandókat a kezdeti értékekből lehet kiszámolni: G 0 (1, t) + G 1 (1, t) = 1 G 0 (z, 0) 0 G 1 (z, 0) z s0 Végül az egyedi P e,s állapotvalószínűségi függvényeket a következőképp lehet megadni a generátorfüggvényből: P e,s = 1 s G e (z, t) s! z s Meglehetősen sok további munka foglalkozik az e 0 = 1 speciális esettel, ezt a szakirodalom néha egyenzimmolekulás kinetika néven is említi [8, 9, 15, 19, 5, 31, 36, 37] A tipikus kezdeti körülmények ilyen rendszerekben olyanok, hogy csak az átalakulatlan szubsztrátmolekulák és az enzim alapalakja van jelen, vagyis

11 MICHAELIS MENTEN-KINETIKA 169 P 1,s0 (0) = 1, és P e,s (0) = 0 minden más állapotra Ezen feltételek mellett a P 1,s0 és P 0,s0 1 függvényeket különösen könnyű zárt formában megadni: P 1,s0 = λ(s0 1) + κ 1 s 0 λ (s0 1) 1 λ (s0 1) e λ(s 0 1) 1 t + λ(s0 1) 1 + κ 1 s 0 λ (s0 1) 1 λ (s0 1) P 0,s0 1 = (λ(s0 1) + κ 1 s 0 )(λ (s0 1) 1 + κ 1 s 0 ) (λ (s0 1) 1 λ (s0 1) )κ 1 e λ + (λ(s0 1) + κ 1 s 0 )(λ (s0 1) 1 + κ 1 s 0 ) (λ s0 1 1 λ (s0 1) )κ 1 e λ (s 0 1) 1 t + e λ(s 0 1) t (s 0 1) t Kísérleti eredményekkel való összehasonlításra sokat használják az első termékmolekula keletkezéséhez szükséges várakozási időt (τ w ) [15] Ennek várható értékét a következő képlet adja meg: τ w = 0 t ( dp 1,s 0 (t) dp 0,s 0 1(t) ) = κ 1s 0 + κ 1 + κ κ 1 κ s 0 Ez az egyenlet a korábban, a determinisztikus megközelítésnél már definiált K M Michaelis-állandó és [S] szubsztrátkoncentráció felhasználásával érdekes új alakra írható át: 1 τ w = k [S] K M + [S] (15) A (15) összefüggést a szakirodalom időnként egyenzimmolekulás Michaelis Menten-egyenletként említi [15], ezzel is felhívva a figyelmet a (7) determinisztikus Michaelis Menten-egyenlettel való analógiára Ez az analógia azonban ebben az esetben puszta véletlen egybeesésnek tartható A determinisztikus kinetikában a (7) egyenlet csak a steady-state kezelésmód bevezetése után jön létre, vagyis érvényessége a sebességi állandók lehetséges kombinációinak kis részére korlátozódik Ezzel szemben a sztochasztikus (15) egyenlet a sebességi állandók értékére vonatkozó semmiféle megkötést nem feltételez A (15) egyenletet nézve akár még kísértést is érezhetünk arra, hogy a számlálóban e 0 -val való szorzással kiterjesszük egynél több enzimmolekulát tartalmazó rendszerekre, azonban az általánosítás valójában így nem lehetséges, ebben az esetben az összefüggések már sokkal bonyolultabbá válnak [7] A sztochasztikus modellekben is lehetséges a determinisztikus steady-state közelítésnek megfelelő módszert használni [7, 1, 6, 8] Ennek egy előnyös módszere annak feltételezése, hogy a P e,s előállítható egy csak a termékmolekulák számától (p = s 0 s + e e 0 ) és az időtől függő R p függvény, illetve egy csak az állapotra jellemző S es,p mennyiség szorzataként (itt es az enzim-szubsztrát adduktumok molekuláinak száma, es = e 0 e): P e,s = R p S es,p

12 170 LENTE GÁBOR Ezzel az új mennyiséggel a (11) alapegyenletet a következő formába alakítjuk át: dr p = k a p 1 R p 1 k a p R p Az egyenletben szerepel az a p új mennyiség, amely az ES molekulák számának várható értéke akkor, ha éppen p (= s 0 s e 0 +e) termékmolekula (P) van jelen a rendszerben Az R p függvényről könnyen belátható, hogy azon P e,s valószínűségek összege, amelyekhez azonos p molekulaszám tartozik: R p = min(e 0,s 0 p) P i,s0+e p e 0 Az a p -vel jelölt várható értéket S-ből kiindulva lehet meghatározni: a p = min(e 0,s 0 p) is i,p Az ilyen közelítést használó munkák eltérő képleteket használnak S és a p számolására A legegyszerűbb megközelítéseknél S használata nem is feltétlenül szükséges, ekkor a p (nem kifogástalan) számolási módszere a determinisztikus Michaelis Menten-egyenleten alapul [6, 1]: e 0 (s 0 p) a p = s 0 p + κ 1+κ κ 1 Az eddig publikáltak közül talán az a legmegalapozottabb gondolatmenet, amelyben S értékeit feltételes egyensúlyi valószínűségekként adjuk meg a statisztikus termodinamika eszköztárával, állapotösszegeken keresztül [7]: S i,p = ( ) i κ 1+κ ( e0i ) (s0 p)! (s 0 p i)! κ 1 min(e0,s 0 p) ( e0i ) (s0 p)! (s 0 p i)! ( κ 1+κ κ 1 ) i Az a p mennyiség számolására alkalmas képlet így a következő alakot ölti: a p = min(e0,s 0 p) i=1 i ( e 0i ) (s0 p)! min(e0,s 0 p) = min(e 0, s 0 p) 1 F 1 ( ) i κ 1+κ (s 0 p i)! κ 1 ( κ 1+κ ( e0i ) (s0 p)! ) i = (s 0 p i)! κ 1 ( ) min(e 0, s 0 p) + 1, e 0 s 0 + p + 1, κ 1+κ κ 1 1F 1 ( min(e 0, s 0 p), e 0 s 0 + p + 1, κ 1+κ κ 1 )

13 MICHAELIS MENTEN-KINETIKA 171 Az 1 F 1 jelölés a konfluens hipergeometrikus függvényt jelenti Maga a képlet egyébként független forrásból, a másodrendű reakciók sztochasztikus leírásából is ismeretes [] Az a p mennyiség szórása a következőképp adható meg: σ ap = ap K M V N A (e 0 a p )(s 0 p a p ) Az enzim-szubsztrát adduktumok (ES) és termékek (P) molekulaszámának várható értéke és szórása (természetesen ezek az idő függvényei) is egyszerűen kiszámolhatók: es = s 0 a i R i σ es = s0 [ ] (σ a,i + [a i ] )R i [ es ] p = s 0 ir i ( σ p (t) = s0 s0 ) i R i ir i Az első termékmolekula keletkezéséig eltelő várakozási idő (τ w ) várható értéke is megadható ezzel a közelítéssel, s ez jóval összetettebb, mint a (15) egyenlet egyszerű szorzása e 0 -lal: τ w = 1 κ a 0 A (11) alapegyenlet másféle közelítő megoldása adható meg a binomiális közelítés segítségével [17] Ennek lényege, hogy a különböző részecskék eloszlását mindig binomiálisnak tekintjük: Pe,s approx = ( s 0 s + e 0 e ( w e 0 e ) (1 ϵ) w+e e0 ϵ e0 e ) π s+e0 e (1 π) s0 s e0+e Ebben a képletben két új időfüggvény szerepel, π és ϵ Az előbbi definíciója: π = κ ( 1 + κ s0 κ 1 W exp s 0 κ 1 κ 1 + κ ( κ1 (s 0 e 0 κ t) κ 1 + κ )) (16)

14 17 LENTE GÁBOR A W jel a (9) képlethez hasonlóan a Lambert W -függvényt jelenti Az ϵ függvényt csak több egymást követő egyenlettel lehet viszonylag tömören leírni, ezekben megadjuk a (16) egyenletben szerepelő w mennyiség definícióját is: λ 1 = e 0 + πs 0 λ = e 0 + πs 0 w = min(e 0, e 0 + s e) ϵ = λ 1 e 0 + κ 1 + κ κ κ 1 + κ κ 1 1 e (λ λ1)κ1t λ /λ 1 e (λ λ1)κ1t (e0 + πs 0 + κ 1 + κ ) 4e 0 πs 0 (e0 + πs 0 + κ 1 + κ ) 4e 0 πs 0 Az eredeti közleményben [17] szereplő részletes analízis szerint ezek a közelítő képletek minden, a gyakorlat számára fontos paraméterérték mellett a tényleges megoldás elfogadható közelítését adják Hivatkozások [1] Arányi, P, Tóth, J: A full stochastic description of the Michaelis-Menten reaction for small systems Acta Biochim Bioph Acad Sci Hung 1, (1977) [] Bartholomay, A F: A stochastic approach to statistical kinetics with application to enzyme kinetics Biochem 1, 3 30 (196) [3] Bartholomay, A F: Enzymatic reaction-rate theory: a stochastic approach Ann New York Acad Sci 96, (196) [4] Bodenstein, M: Die Zersetzung des jodwasserstoffgases im licht Z Phys Chem, 3 33 (1897) [5] Briggs, G E, Haldane, J B S: A note on the kinematics of enzyme action Biochem J 19, (195) [6] Calder, M S, Siegel, D: Properties of the Michaelis Menten mechanism in phase space J Math Anal Appl 339, (008) [7] Dóka, É, Lente, G: Stochastic mapping of the Michaelis Menten mechanism J Chem Phys 136, (01) [8] Edman, L, Földes-Papp, Z, Wennmalm, S, Rigler, R: The fluctuating enzyme: a single molecule approach Chem Phys 47, 11 (1999) [9] English, B P, Min, W, van Oijen, A M, Lee, K T, Luo, G, Sun, H, Cherayil, B, Kou, S C, Xie, X S: Ever-fluctuating single enzyme molecules: Michaelis Menten equation revisited Nat Chem Biol, (006)

15 MICHAELIS MENTEN-KINETIKA 173 [10] Érdi, P, Tóth, J: A kémiai reakciókinetika fluktuáció-disszipáció tételéről, II Magyar Kémiai Folyóirat 1977, 83, (1977) [11] Érdi, P, Ropolyi, L: A kémiai reakciókinetika fluktuáció-disszipáció tételéről, III Magyar Kémiai Folyóirat 84, 7 74 (1978) [1] Érdi P, Tóth, J: Mathematical models of chemical reactions Theory and applications of deterministic and stochastic models Manchester University Press (1989) [13] Érdi, P, Lente, G: Stochastic Chemical Kinetics Theory and (Mostly) Systems Biological Applications Springer (014) [14] Jachimowski, C J, McQuarrie, D A, Russle, M S: A stochastic approach to enzymesubstrate reaction Biochemistry 3, (1964) [15] Kou, S C, Cherayil, B J, Min, W, English, B P, Xie, S X: Single-molecule Michaelis-Menten equations J Phys Chem B 109, (005) [16] Lente, G: Abszolút aszimmetrikus reakciók értelmezése Magyar Kémikusok Lapja 66, 41 4 (011) [17] Lente, G: A binomial stochastic kinetic approach to the Michaelis-Menten mechanism Chem Phys Lett , (013) [18] Lente, G: Deterministic Kinetics in Chemistry and Systems Biology Springer (015) [19] Lu, H P, Xun, L, Xie, X S: Single-molecule enzymatic dynamics Science 8, (1998) [0] Maioli, M, Váradi, G, Kurdi, R, Luciano, L, Pályi, G: Limits of the Classical Concept of Concentration J Phys Chem B 10, (016) [1] Mastny, E A, Haseltine, E L, Rawlings J B: Two classes of quasi-steady-state model reductions for stochastic kinetics J Chem Phys 17, (007) [] McQuarrie, DA: Stochastic Approach to Chemical Kinetics J Appl Prob 4, (19677) [3] Michel, D, Ruelle, P: Seven competing ways to recover the Michaelis Menten equation reveal the alternative approaches to steady state modeling J Math Chem 51, (013) [4] Michaelis, L, Menten, M L: Kinetics of invertase action Biochem Z 49, (1913) [5] Qian, H, Elson, E L: Single-molecule enzymology: stochastic Michaelis Menten kinetics Biophys Chem , (00) [6] Rao, C V, Arkin, A P: Stochastic chemical kinetics and the quasi-steady-state assumption: Application to the Gillespie algorithm J Chem Phys 118, (003) [7] Rényi, A: Kémiai reakciók tárgyalása a sztochasztikus folyamatok elmélete segítségével MTA Alkalmazott Matematikai Intézet Közleményei, (1953) [8] Sanft, K R, Gillespie, D T, Petzold, L R: Legitimacy of the stochastic Michaelis- Menten approximation IET Syst Biol 5, (011)

16 174 LENTE GÁBOR [9] Schnell, S, Mendoza, C: A closed form solution for time-dependent enzyme kinetics J Theor Biol 187, 07 1 (1997) [30] Staff, P J: A stochastic development of the reversible Michaelis-Menten mechanism, J Theor Biol 7, 1 3 (1970) [31] Svoboda, K, Mitra, P P, Block, S M: Fluctuation analysis of motor protein movement and single enzyme kinetics Proc Natl Acad Sci USA 91, (1994) [3] Tóth, J, Érdi, P: A kémiai reakciókinetika fluktuáció-disszipáció tételéről, I Magyar Kémiai Folyóirat 83, (1977) [33] Tóth, J, Érdi, P: A formális reakciókinetika modelljei, problémái és alkalmazásai A kémia újabb eredményei 41, 6 35, Akadémiai Kiadó (1978) [34] Tóth, J, Érdi, P, Török, L T: A Poisson-eloszlás jelentősége összetett kémiai reakciók sztochasztikus modelljében Alkalmazott Matematikai Lapok 9, (1983) [35] Turányi, T; Tóth, J: Comments to an article of Frank-Kamenetskii on the Quasi- Steady-State Approximation Acta Chim Hung Mod Chem 19, (199) [36] Turner, T E, Schnell, S, Burrage, K: Stochastic approaches for modelling in vivo reactions Comput Biol Chem 8, (004) [37] Yi, M, Liu, Q: Michaelis Menten mechanism for single-enzyme and multi-enzyme system under stochastic noise and spatial diffusion Physica A 389, (010) LENTE GÁBOR Debreceni Egyetem Szervetlen és Analitikai Kémiai Tanszék 403 Debrecen, Egyetem tér 1 lenteg@scienceunidebhu DETERMINISTIC AND STOCHASTIC MODELS OF MICHAELIS MENTEN KINETICS Gábor Lente This short review article gives a summary of the mathematical models used to describe the enzymatic acceleration effects on certain chemical reactions Michaelis Menten kinetics is usually interpreted by a reversible adduct formation reaction between the enzyme and its substrate, followed by the irreversible formation of the product This chemical scheme gives rise to different quantitative mathematical models In the deterministic approach, simultaneous non-linear ordinary differential equations are used to characterize the concentrations of the four participating species The possibilities of obtaining exact analytical or approximate, but explicit solutions are discussed The stochastic approach defines a huge set of linear ordinary differential equations for the probabilities of possible states A full symbolic solution is given for the case when there is only a single enzyme molecule present in the system, and a number of approximation methods are discussed for more complicated initial conditions